这篇博客通过对电商用户数据的分析，展示了如何利用Python进行用户画像研究。内容包括性别分布、年龄结构、用户平台年龄、消费频率、消费品类等维度的分析，并通过pyecharts进行数据可视化。研究发现，公司主要客户为男性，消费频率较低，且手机、外套、茶叶是消费热点。建议在推广中考虑增加女性用户比例，并关注客户留存率和提高中高频用户占比。
背景：
该数据集为某电商的用户信息及商家信息的一份数据，以此为基础对用户年龄，用户的平台年龄(注册至今的时间)，消费频率，以及各个产品类别的用户消费占比等信息进行用户画像研究。
一、认识数据
数据集大小为183828条，共19个属性信息
'客户编码', '产品编码', '行为时间', '行为类别', '年龄分段', '性别', '客户注册日期', '会员级别',
'会员城市级别', '产品品牌', '店铺编码', '产品类别', '产品上市日期', '商家编码', '粉丝数', '会员数', '开店时间', '店铺主营', '店铺打分',
年龄已经做了分段处理，性别中包含M,N,U，其中U为未知
数据比较干净，在这里不再进行清洗。
查看一下数据的详细信息
二、对性别属性进行分析
查看性别字段的分布情况，男性数量为120077，女性为63278，未知的是473，男性占据了比较大的占比
我们使用pyecharts对数据进行可视化(pyecharts的交互性很强)
三、对整个数据中的年龄段进行分析
在年龄的第5/6
最低0.47元/天 解锁文章
1124
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
